Busca avançada
Ano de início
Entree

Aprendizado de descritores para anotação de imagens naturais

Processo: 13/04172-0
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de julho de 2013
Vigência (Término): 31 de maio de 2014
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Alexandre Xavier Falcão
Beneficiário:David Menotti Gomes
Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Assunto(s):Recuperação da informação   Processamento de imagens   Segmentação de imagens

Resumo

A anotação de cenas naturais (fotos, vídeos) por palavras que descrevem o conteúdo das cenas viabiliza a organização automática das imagens e subsequente recuperação eficiente de imagens por conteúdo. Esta tarefa, porém, é inviável de ser realizada manualmente em grandes bases de imagens. A abordagem tradicional é anotar algumas imagens manualmente e treinar um classificador supervisionado de padrões para que a anotação automática seja feita nas demais. O grupo de pesquisa do supervisor tem investigado, através da tese de doutorado de um aluno, técnicas de aprendizado ativo para a seleção das imagens mais representativas para anotação manual. No entanto, a eficácia da classificação depende fundamentalmente do descritor de imagem utilizado neste processo. Este projeto, portanto, tem como objetivos principais o estudo e o desenvolvimento de técnicas de aprendizado em profundidade de descritores de imagem. Estas técnicas se baseiam normalmente em sequências de operações de normalização, filtragem e seleção em várias escalas. Em cada escala, bancos de filtros lineares são aplicados na imagem e seus coeficientes podem ser gerados de modo aleatório ou mais rebuscado, aplicando-se aprendizado não supervisionado em amostras de regiões obtidas das próprias imagens da base. O projeto investigará essas e outras técnicas de aprendizado dos coeficientes desses filtros, inclusive levando em consideração a anotação de algumas imagens de treinamento, técnicas de seleção, e regras de associação dos descritores a regiões das imagens, obtidas por técnicas de segmentação das imagens em superpixels.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
MENOTTI, DAVID; CHIACHIA, GIOVANI; PINTO, ALLAN; SCHWARTZ, WILLIAM ROBSON; PEDRINI, HELIO; FALCAO, ALEXANDRE XAVIER; ROCHA, ANDERSON. Deep Representations for Iris, Face, and Fingerprint Spoofing Detection. IEEE Transactions on Information Forensics and Security, v. 10, n. 4, p. 864-879, APR 2015. Citações Web of Science: 136.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.